當(dāng)前，制造過程中所產(chǎn)生的數(shù)據(jù)的規(guī)模、類型和速度正在呈指數(shù)級(jí)增長，帶來了巨大的發(fā)展機(jī)遇。通過認(rèn)真分析這些數(shù)據(jù)，企業(yè)可獲得競(jìng)爭(zhēng)優(yōu)勢(shì)、快速響應(yīng)不斷變化的市場(chǎng)動(dòng)態(tài)、顯著提高制造利潤、生產(chǎn)力和效率。工廠車間中的設(shè)備會(huì)生成成千上萬種不同的數(shù)據(jù)類型，例如多個(gè)級(jí)別的單位生產(chǎn)數(shù)據(jù)、設(shè)備運(yùn)行數(shù)據(jù)、流程數(shù)據(jù)、人工操作員數(shù)據(jù)等。這些數(shù)據(jù)可以在存儲(chǔ)后用于數(shù)據(jù)分析。
盡管大型制造商多年來一直在使用統(tǒng)計(jì)流程控制和統(tǒng)計(jì)數(shù)據(jù)分析來優(yōu)化生產(chǎn)，但當(dāng)今數(shù)據(jù)的復(fù)雜結(jié)構(gòu)成為部署新方案、基礎(chǔ)架構(gòu)和工具帶來了重大機(jī)遇。得益于更卓越的計(jì)算性能的涌現(xiàn)、開放標(biāo)準(zhǔn)的推出和廣泛可用的行業(yè)專長，制造業(yè)已經(jīng)準(zhǔn)備好充分利用大數(shù)據(jù)。此外，在學(xué)術(shù)研究的推動(dòng)下，技能嫻熟的數(shù)據(jù)科學(xué)家數(shù)量龐大，他們將能夠在使用大數(shù)據(jù)方面為制造業(yè)提供更出色的支持。
借助全新的制造智能特性，制造商能夠提高質(zhì)量，增加產(chǎn)量，更準(zhǔn)確地了解制造問題的根本原因，以及減少機(jī)器故障和宕機(jī)情況。借助新的業(yè)務(wù)價(jià)值和技術(shù)能力，制造商將能夠改變業(yè)務(wù)模式和實(shí)踐，以優(yōu)化設(shè)計(jì)，實(shí)現(xiàn)出色的可制造性，從而改進(jìn)供應(yīng)鏈管理，并采用定制的制造服務(wù)縮短專為各地消費(fèi)者量身定制的產(chǎn)品的上市時(shí)間。
本文概述了英特爾一家制造工廠的物聯(lián)網(wǎng)(IoT)試點(diǎn)計(jì)劃，以說明將數(shù)據(jù)分析應(yīng)用于工廠設(shè)備和傳感器可如何提升制造流程的運(yùn)營效率并節(jié)約生產(chǎn)成本。在實(shí)施這一物聯(lián)網(wǎng)大數(shù)據(jù)分析項(xiàng)目的過程中，英特爾與Cloudera、戴爾、三菱電機(jī)和Revolution Analytics進(jìn)行了緊密的行業(yè)協(xié)作，預(yù)計(jì)每年將能夠節(jié)省數(shù)百萬美元，并帶來更高的投資回報(bào)。
挑戰(zhàn)：如何從所有的制造數(shù)據(jù)中提煉價(jià)值？
大數(shù)據(jù)實(shí)質(zhì)上是包含各種數(shù)據(jù)類型的龐大數(shù)據(jù)集，可以分為結(jié)構(gòu)化、半結(jié)構(gòu)化或非結(jié)構(gòu)化，如表1所示。結(jié)構(gòu)化數(shù)據(jù)適合放在格式整齊的表格中，因此相對(duì)容易管理和處理。結(jié)構(gòu)化數(shù)據(jù)的優(yōu)勢(shì)是便于輸入、存儲(chǔ)、查詢和分析。相關(guān)示例包括關(guān)系數(shù)據(jù)庫中存儲(chǔ)的制造數(shù)據(jù)，以及來自制造執(zhí)行系統(tǒng)和企業(yè)系統(tǒng)的數(shù)據(jù)。另一方面，非結(jié)構(gòu)化數(shù)據(jù)(例如圖片、文本、設(shè)備日志文件、人工操作員生成的值班報(bào)告和制造社交協(xié)作平臺(tái)文本等)可能為原始格式，需要經(jīng)過解碼才能提取數(shù)據(jù)值。半結(jié)構(gòu)化數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)的一種，其格式不符合關(guān)系數(shù)據(jù)庫或其他形式的數(shù)據(jù)表關(guān)聯(lián)的數(shù)據(jù)模型標(biāo)準(zhǔn)結(jié)構(gòu)，但包含用于分隔語義要素的標(biāo)記或其他記號(hào)，并且數(shù)據(jù)中明確了記錄和字段層次結(jié)構(gòu)。在制造業(yè)，要想發(fā)揮大數(shù)據(jù)技術(shù)的強(qiáng)大作用，需要將這些數(shù)據(jù)集類型進(jìn)行合并與關(guān)聯(lián)，從中發(fā)現(xiàn)新的洞見，從而創(chuàng)造出色的業(yè)務(wù)價(jià)值。大數(shù)據(jù)技術(shù)的另一個(gè)價(jià)值定位就是，支持制造商以經(jīng)濟(jì)高效、可擴(kuò)展的方式聚合并集中各類數(shù)據(jù)。
表1 制造數(shù)據(jù)示例
制造流程存在各種變量，如材料、流程方案和方法以及設(shè)備差異，這就要求制造商采用基于可擴(kuò)展平臺(tái)的大數(shù)據(jù)解決方案，這種平臺(tái)能夠隨著業(yè)務(wù)增長和制造要求的提高而擴(kuò)展。機(jī)器數(shù)據(jù)與產(chǎn)量和質(zhì)量密切相關(guān)，因此能夠?yàn)橹鲃?dòng)檢測(cè)將要失去控制的流程提供重要信息。然而，一些類型的制造流程會(huì)產(chǎn)生大量數(shù)據(jù)文件(每個(gè)工具類型幾天就可產(chǎn)生GB級(jí)數(shù)據(jù)，如表2所示)，限制了使用傳統(tǒng)方法從這些數(shù)據(jù)中分析、提取和存儲(chǔ)有用信息的能力。如果不使用大數(shù)據(jù)技術(shù)，直觀呈現(xiàn)來源廣泛的大型數(shù)據(jù)集中的信息都非常困難。
表2 數(shù)據(jù)大小示例
應(yīng)對(duì)挑戰(zhàn)：英特爾制造部門使用大數(shù)據(jù)分析服務(wù)器和物聯(lián)網(wǎng)網(wǎng)關(guān)的物聯(lián)網(wǎng)試點(diǎn)計(jì)劃
圖1 支持為從工廠車間到數(shù)據(jù)中心的整個(gè)過程提供制造智能的端到端基礎(chǔ)架構(gòu)構(gòu)建模塊
圖1所示為面向大小型數(shù)據(jù)集的高級(jí)物聯(lián)網(wǎng)制造架構(gòu)，這些數(shù)據(jù)集包含來源于制造車間和制造網(wǎng)絡(luò)、可供收集和聚合的各類數(shù)據(jù)。該架構(gòu)為通過數(shù)據(jù)可視化、監(jiān)控和挖掘創(chuàng)建新型商業(yè)智能提供了全新可能。
舉例來說，該架構(gòu)可以清理、提取和轉(zhuǎn)換來自現(xiàn)有數(shù)據(jù)庫的結(jié)構(gòu)化數(shù)據(jù)、來自工具傳感器的非結(jié)構(gòu)化數(shù)據(jù)以及來自傳統(tǒng)設(shè)備的日志文件，并將它們整合在一個(gè)數(shù)據(jù)存儲(chǔ)平臺(tái)(即Hadoop)中。然后，運(yùn)行在內(nèi)部服務(wù)器(即數(shù)據(jù)存儲(chǔ)服務(wù)器)上不同虛擬機(jī)的高級(jí)工廠應(yīng)用可對(duì)數(shù)據(jù)進(jìn)行可視化和分析�；蛘�，用戶可使用網(wǎng)絡(luò)上的其他分析或監(jiān)控應(yīng)用訪問這些數(shù)據(jù)。其他增強(qiáng)功能包括在Hadoop或其他類型文件系統(tǒng)中進(jìn)行分析或在內(nèi)存中進(jìn)行分析以提升性能。分析結(jié)果可通過網(wǎng)絡(luò)商業(yè)智能層中的直觀可視化功能展示給用戶。
英特爾制造部門試點(diǎn)計(jì)劃中的大數(shù)據(jù)分析物聯(lián)網(wǎng)服務(wù)器設(shè)置
圖2 大數(shù)據(jù)分析服務(wù)器
英特爾制造部門在其試點(diǎn)部署中使用的大數(shù)據(jù)分析服務(wù)器如圖2所示。戴爾的緊湊型系統(tǒng) PowerEdge*VRTX2被選作內(nèi)部服務(wù)器，以在私有云環(huán)境中托管大數(shù)據(jù)和分析軟件。該系統(tǒng)包含一個(gè)Dell PowerEdge VRTX機(jī)箱，配備25塊900GB硬盤和2臺(tái)Dell PowerEdgeM820刀片式服務(wù)器，每一臺(tái)服務(wù)器配備E5-4600產(chǎn)品家族中的4顆英特爾？至強(qiáng)？處理器。英特爾至強(qiáng)處理器E5-4600 產(chǎn)品家族提供了一款成本適宜的緊湊型四路處理器解決方案，最高支持8個(gè)內(nèi)核、20MB末級(jí)高速(L3)緩存和1. 5TB內(nèi)存容量，同時(shí)具備可快速轉(zhuǎn)移數(shù)據(jù)的信道。
兩臺(tái)M820 服務(wù)器可托管分析和應(yīng)用軟件，以及在多臺(tái)虛擬機(jī)中運(yùn)行的 Hadoop節(jié)點(diǎn)。Red Hat EntERPrise Linux* forVirtual Datacenters操作系統(tǒng)為針對(duì)可擴(kuò)展、完全虛擬化數(shù)據(jù)中心而設(shè)計(jì)的服務(wù)器提供了一種全面的虛擬化軟件解決方案。
分析和應(yīng)用節(jié)點(diǎn)
圖3 大數(shù)據(jù)分析服務(wù)器上軟件分配至虛擬機(jī)的情況
圖3 顯示了軟件被如何分配至不同虛擬機(jī)(VM)。該節(jié)點(diǎn)托管著 5 臺(tái)虛擬機(jī)，分別運(yùn)行著不同的分析和應(yīng)用工作負(fù)載。具體包括：
·來自Revolution Analytics的Revolution REntERPrise* 是一款基于強(qiáng)大的開源R統(tǒng)計(jì)語言的分析軟件。該軟件可在分析解決方案和企業(yè)軟件之間提供無縫、安全的數(shù)據(jù)橋，可解決采用基于R的分析功能及現(xiàn)有IT基礎(chǔ)架構(gòu)的企業(yè)所面臨的關(guān)鍵集成問題。
· MonetDB*：一種面向列的開源數(shù)據(jù)庫管理系統(tǒng)，旨在幫助高效完成對(duì)大型數(shù)據(jù)庫進(jìn)行的復(fù)雜查詢?nèi)蝿?wù)，如將表格與數(shù)百個(gè)列和數(shù)百萬行進(jìn)行組合。MonetDB已使用在各種需要高性能的應(yīng)用中，如數(shù)據(jù)挖掘、在線分析處理(OLAP)、地理信息系統(tǒng)和流數(shù)據(jù)處理等。
·PostgreSQL*：一款強(qiáng)大的開源對(duì)象關(guān)系型數(shù)據(jù)庫系統(tǒng)，用于在線交易處理(OLTP)。
物聯(lián)網(wǎng)(IoT)網(wǎng)關(guān)
三菱電機(jī)MELSEC-Q系列* C語言控制器是一款基于英特爾？凌動(dòng)？處理器的網(wǎng)關(guān)，用于聚合并安全攝入數(shù)據(jù)至大數(shù)據(jù)分析服務(wù)器。數(shù)據(jù)攝入指驗(yàn)證、過濾和重新格式化數(shù)據(jù)，以便大數(shù)據(jù)分析軟件更輕松地對(duì)其進(jìn)行分析。
三菱電機(jī)MELSEC-Q系列C語言控制器是具備眾多智能系統(tǒng)功能特點(diǎn)的嵌入式解決方案，包括處理從傳感器或通過網(wǎng)絡(luò)收集的大量數(shù)據(jù)所需的穩(wěn)定網(wǎng)絡(luò)連接和卓越計(jì)算性能，同時(shí)支持復(fù)雜的系統(tǒng)控制和操作。這一控制器的核心是采用英特爾？ 架構(gòu)和 Wind River VxWorks* 實(shí)時(shí)操作系統(tǒng)的硬件平臺(tái)。
三菱電機(jī)開發(fā)了 MELSEC- Q系列C語言控制器，旨在滿足多種工廠自動(dòng)化要求，具備卓越的可靠性，可適應(yīng)苛刻的環(huán)境， 且長期可用。這些特性助它成為一款堅(jiān) 實(shí)可靠的產(chǎn)品，幾乎無需維護(hù)物聯(lián)網(wǎng)制造應(yīng)用。
MELSEC-Q 系列C語言控制器取代了傳統(tǒng)可編程控制器中使用的梯形邏輯，使用國際標(biāo)準(zhǔn) C 語言(C和C++)提供了更靈活的編程能力。它能夠支持用戶充分利用現(xiàn)有的C語言軟件和開發(fā)資源。
CIMSNIPER* 是一款適用于三菱電機(jī) MELSEC-Q 系列 C 語言控制器的數(shù)據(jù)獲取和處理軟件包。它能夠收集流程數(shù)據(jù)(包括 SECS 信息)和制造設(shè)備錯(cuò)誤， 而無需修改現(xiàn)有系統(tǒng)。
大數(shù)據(jù)分析案例
在過去的兩年中，英特爾開發(fā)了十幾個(gè)大數(shù)據(jù)項(xiàng)目，鞏固了運(yùn)營效率和收入。下方列出了幾個(gè)示例：
縮短產(chǎn)品測(cè)試時(shí)間
英特爾制造的每一枚芯片都要經(jīng)過徹 底的質(zhì)量檢查，通過多種復(fù)雜的測(cè)試。
英特爾發(fā)現(xiàn)，利用制造過程中收集的歷史信息可以減少測(cè)試所需的產(chǎn)品數(shù)量，從而縮短測(cè)試時(shí)間。作為概念驗(yàn)證實(shí)施的這款解決方案在 2012 年為英特爾？ 酷睿？ 系列處理器節(jié)約了 300 萬美元的測(cè)試成本。將這款解決方案擴(kuò)展到更多產(chǎn)品后，英特爾 預(yù)計(jì)會(huì)節(jié)約3，000 萬美元的成本。
改善制造監(jiān)控
數(shù)據(jù)密集型流程也用于幫助英特爾在生產(chǎn)線上檢測(cè)故障，這是一個(gè)高度自動(dòng)化的環(huán)境。英特爾從整個(gè)工廠網(wǎng)絡(luò)的制造工具和測(cè)試工具中提取日志文件，每小時(shí)多達(dá) 5 TB。通過捕獲和分析這些信息，英特爾能夠確定在制造流程中的哪個(gè)步驟開始偏離常規(guī)容差。
針對(duì)此處討論的當(dāng)前端到端平臺(tái)試點(diǎn)部署，英特爾與三菱電機(jī)、Cloudera、Revolution Analytics 和戴爾進(jìn)行了緊密合作，成功開發(fā)了許多卓越功能，在使用數(shù)據(jù)挖掘科學(xué)解決實(shí)際制造問題方面取得了巨大進(jìn)展，并通過成本節(jié)省和決策改進(jìn)為英特爾節(jié)約了數(shù)百萬美元。該項(xiàng)目的主要目標(biāo)是發(fā)掘數(shù)據(jù)和數(shù)據(jù)分析的價(jià)值，通過預(yù)測(cè)制造獲得更深刻的洞察力，并降低制造成本，同時(shí)不影響生產(chǎn)量或質(zhì)量。
下面詳述了英特爾通過集成面向制造物聯(lián)網(wǎng)的大數(shù)據(jù)分析和技術(shù)獲得了一些突破性成就和發(fā)現(xiàn)。
試點(diǎn)計(jì)劃成效：
使用案例 1：通過監(jiān)控和分析設(shè)備參數(shù)值并在部件發(fā)生故障之前及時(shí)更換，減少不必要的產(chǎn)能損失。
背景
自動(dòng)測(cè)試裝置(ATE)是專門用于在不同設(shè)備上執(zhí)行測(cè)試的機(jī)器，這些設(shè)備被稱作被測(cè)設(shè)備(DUT)。ATE 使用控制系統(tǒng)和自動(dòng)化信息技術(shù)快速執(zhí)行測(cè)試，測(cè)量并評(píng)估被測(cè)設(shè)備。11 ATE 系統(tǒng)連接到稱為處理工具的自動(dòng)更換工具上。該工具能夠物理更換測(cè)試接口單元(TIU)上的被測(cè)設(shè)備，以便接受該裝置的測(cè)試。
問題陳述
有缺陷的測(cè)試接口單元將會(huì)錯(cuò)誤地將良品分類為次品，會(huì)對(duì)英特爾制造運(yùn)營成本造成負(fù)面影響。有缺陷的測(cè)試接口單元會(huì)導(dǎo)致對(duì)被測(cè)設(shè)備進(jìn)行錯(cuò)誤分類，包括拒絕良品。英特爾制造部門的目的是檢測(cè)潛在的 TIU 缺陷，以便及時(shí)修理或更換單元，防止它們被錯(cuò)誤分類。如果有缺陷的測(cè)試接口單元將良品錯(cuò)誤分類為次品，該單元將作廢。在定期預(yù)防性維護(hù)期間，一些即便仍然運(yùn)轉(zhuǎn)正常的組件也會(huì)使用備件更換，以避免發(fā)生此類問題。
成效和優(yōu)勢(shì)
分析功能可在現(xiàn)有工廠聯(lián)機(jī)流程控制系統(tǒng)觸發(fā)之前，預(yù)測(cè)出高達(dá) 90% 的潛在測(cè)試接口單元故障。在此處的情況下，這可幫助及時(shí)更存在缺陷的 TIU 以免造成過度拒絕良品，將產(chǎn)能損失降低了 25%。
此外，英特爾還減少了在預(yù)防性維護(hù)過程中提前更換尚未故障的備件的需求，從而預(yù)計(jì)可以降低 20% 的備件成本。
使用案例 2：通過在焊球焊接設(shè)備中消除和減少錯(cuò)誤焊球裝配情況降低產(chǎn)能損失
背景
焊球焊接模塊是為基片表面涂抹焊膏的部件。焊球被放置到焊球焊接表面，然后焊膏將其固定在相應(yīng)位置上。整個(gè)封裝通過一個(gè)回流焊爐，將在其中融化基片表面上的焊膏和焊球。
焊球被真空吸附到貼裝頭的小孔上。系統(tǒng)將檢查該貼裝頭上的焊球是否過多或缺失。當(dāng)貼裝頭與基片對(duì)齊時(shí)，焊球被放置在基片的焊膏上。釋放焊球后，將檢查貼裝頭上是否殘留有任何焊球。最后，攝像頭成像系統(tǒng)將檢查基片上是否缺失焊球或焊球位置是否存在偏移。
問題陳述
缺失焊球的單元為有缺陷的材料，會(huì)造成產(chǎn)能損失。多種場(chǎng)景會(huì)導(dǎo)致單元缺失焊球，包括真空壓力不足等。
成效和優(yōu)勢(shì)
通過可視化處理傳感器讀數(shù)并將其與各種機(jī)器數(shù)據(jù)和執(zhí)行系統(tǒng)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，英特爾成功降低了產(chǎn)能損失，優(yōu)化了維護(hù)成本，并避免了設(shè)備突然宕機(jī)。這可幫助技術(shù)人員主動(dòng)解決問題，朝著創(chuàng)建預(yù)測(cè)維護(hù)功能而努力。
使用案例 3：使用圖像分析確定良品或次品
背景
機(jī)器視覺設(shè)備是一種模塊，可篩選單元并將其分類為良品和邊際單元。良品將傳送到加工流程，而邊際單元將接收制造專員的檢查并確定其優(yōu)劣。該手動(dòng)流程較為耗時(shí)。
問題陳述
人工檢查并分類邊際單元的流程非常繁瑣，有時(shí)需要約8 小時(shí)才能成功將邊際單元與真正的不良品隔離。
這是因?yàn)閱卧瓦_(dá)操作員、然后傳送到隔離模塊、最后進(jìn)行隔離比較費(fèi)時(shí)。圖像分析可幫助迅速識(shí)別檢測(cè)模塊檢測(cè)到的不良品。
成效和優(yōu)勢(shì)
機(jī)器視覺設(shè)備模塊中記錄的邊際圖形經(jīng)過預(yù)處理。每一張圖像都是非結(jié)構(gòu)化數(shù)據(jù)，需要修改尺寸、剪裁并轉(zhuǎn)化為灰度模式，然后將每個(gè)像素轉(zhuǎn)化為二進(jìn)制格式。此流程的下一階段涉及特征選擇，非結(jié)構(gòu)化圖像將由一系列不同的值定義。然后，將這些值賦予各種機(jī)器學(xué)習(xí)算法，用于區(qū)分真正不良品和邊際不良品。
圖像分析縮短了從大量邊際單元中分離真正不良品的時(shí)間。圖像分析確認(rèn)不良品的速度大約比人工方法快10倍。
數(shù)據(jù)流
圖4 高級(jí)數(shù)據(jù)流
圖4顯示了上述使用案例中的數(shù)據(jù)如何傳輸。
基于英特爾凌動(dòng)處理器的網(wǎng)關(guān)將實(shí)時(shí)獲取的機(jī)器數(shù)據(jù)和傳感器數(shù)據(jù)發(fā)送至大數(shù)據(jù)分析服務(wù)器(BDAS)。例如，焊球焊接模塊的機(jī)器數(shù)據(jù)通過機(jī)器界面端口收集，來自模擬傳感器的機(jī)器數(shù)據(jù)以數(shù)秒數(shù) MB 的速度進(jìn)行流傳輸。
· 收集到的所有工廠數(shù)據(jù)都存儲(chǔ)在 Hadoop* 中。以下不完全列表顯示了使用 Hadoop 的現(xiàn)有功能可實(shí)現(xiàn)的可能性：
- HTTP：大數(shù)據(jù)分析服務(wù)器展示一個(gè)支持對(duì) HDFS 進(jìn)行操作的經(jīng)驗(yàn)證的 REST HTTP 端點(diǎn)。
- Apache Sqoop* 提供了連接工具， 用于將非 Hadoop 數(shù)據(jù)存儲(chǔ)(如關(guān)系數(shù)據(jù)庫和數(shù)據(jù)倉庫)中的數(shù)據(jù)遷移至 Hadoop。
- Flume* 能夠接收持續(xù)的日志數(shù)據(jù)。
·本部分上述使用案例中的特定數(shù)據(jù)格式為逗號(hào)分隔值(CSV) 文件或原始圖像。盡管 Hadoop 生態(tài)系統(tǒng)包含多種數(shù)據(jù)攝入途徑(如上所述)，但一些工廠機(jī)器的網(wǎng)絡(luò)傳輸能力有限，要求通過定制工程向 HDFS 提交數(shù)據(jù)：
- FTP：物聯(lián)網(wǎng)網(wǎng)關(guān)擁有一個(gè) FTP客戶端，定期連接到大數(shù)據(jù)分析服務(wù)器，并將最新獲取的數(shù)據(jù)直接傳輸?shù)?HDFS。也可以根據(jù)實(shí)時(shí)數(shù)據(jù)流和分析要求使用 MQTT 和 REST 等其他數(shù)據(jù)流協(xié)議。
- CIFS 共享(Windows 共享)：大數(shù)據(jù)分析服務(wù)器提供了一種 Windows/CIFS 共享目錄，網(wǎng)關(guān) 可將文件復(fù)制到該目錄中。
·CSV 文件被使用 Pig 直接導(dǎo)入HBase*，而原始圖像會(huì)先使用計(jì)算機(jī)視覺技術(shù)和 map-reduce 任務(wù)進(jìn)行預(yù)處理，生成圖像的文本數(shù)據(jù)表示。
·根據(jù)操作要求，數(shù)據(jù)將在三個(gè)數(shù)據(jù) 庫中的一個(gè)進(jìn)行存儲(chǔ)：NoSQL (Hadoop)、RDMS/SQL或 Coli/ OLAP。
·數(shù)據(jù)庫可使用各種工具訪問和處理， 包括 AquaFold、專門報(bào)告、工作流調(diào)度、ETL 和數(shù)據(jù)庫集成。同時(shí)， Cloudera Distribution for Hadoop 可對(duì)數(shù)據(jù)實(shí)施各種操作。
·處理過的數(shù)據(jù)使用專為工廠應(yīng)用設(shè)計(jì)的Revolution Analytics 工具進(jìn)行進(jìn)一步分析。
·這些數(shù)據(jù)在易于理解的儀表盤中向用戶展示。
經(jīng)驗(yàn)總結(jié)和結(jié)論
英特爾使用物聯(lián)網(wǎng)網(wǎng)關(guān)，借助從英特爾自身制造網(wǎng)絡(luò)和設(shè)備及傳感器提取的數(shù)據(jù)，集成并驗(yàn)證了大數(shù)據(jù)分析內(nèi)部服務(wù)器解決方案，從而證實(shí)了物聯(lián)網(wǎng)對(duì)于制造業(yè)的出色業(yè)務(wù)價(jià)值。采用了三菱電機(jī) MELSEC-Q 系列 C 語言控制器。試點(diǎn)計(jì)劃的實(shí)施有賴于工廠工程師、IT 部門和來自 Cloudera、戴爾、三菱電機(jī)和 Revolution Analytics 的行業(yè)專家的通力合作。團(tuán)隊(duì)首先采用現(xiàn)有機(jī)器性能和監(jiān)控?cái)?shù)據(jù)，然后使用大數(shù)據(jù)分析和建模功能獲取用于預(yù)測(cè)潛在偏移和故障的數(shù)據(jù)。機(jī)器組件故障預(yù)測(cè)功能可支持工程師修復(fù)并防止偏移，從而通過避免浪費(fèi)生產(chǎn)部件、縮短維修時(shí)間和減少機(jī)器備件使用量節(jié)約大量資金。
使用了大數(shù)據(jù)分析服務(wù)器和物聯(lián)網(wǎng)網(wǎng)關(guān)上各種軟件構(gòu)建模塊的集成套件。尚未開始利用制造數(shù)據(jù)中包含的智能優(yōu)勢(shì)的制造商，可以應(yīng)用并實(shí)施此框架。已經(jīng)使用數(shù)據(jù)提升效率的制造商可以進(jìn)一步增強(qiáng)現(xiàn)有能力，以提高數(shù)據(jù)挖掘和分析能力。
對(duì)于英特爾而言，此試點(diǎn)計(jì)劃預(yù)計(jì)每年可節(jié)約數(shù)百萬美元，并能夠帶來更高的投資回報(bào)。優(yōu)勢(shì)包括延長設(shè)備組件正常運(yùn)行時(shí)間、最小化良品和次品錯(cuò)誤分類(從而提高產(chǎn)能和生產(chǎn)力)，支持預(yù)測(cè)維護(hù)，同時(shí)減少組件故障。英特爾的制造環(huán)境和設(shè)備中還有多種其他類型的參數(shù)、度量法、產(chǎn)品和設(shè)備數(shù)據(jù)(結(jié)構(gòu)化和非結(jié)構(gòu)化)，可以通過挖掘和分析這些數(shù)據(jù)獲取新的業(yè)務(wù)價(jià)值。通過利用這一機(jī)會(huì)，英特爾將能夠進(jìn)一步提高工廠的效率和生產(chǎn)力，建立出色競(jìng)爭(zhēng)優(yōu)勢(shì)。
轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
本文標(biāo)題：智能制造中大數(shù)據(jù)分析和物聯(lián)網(wǎng)的地位
本文網(wǎng)址：http://www.ezxoed.cn/html/consultation/10839420747.html
相關(guān)文章
